深度分析X/Twitter用户画像:通过tweety-ns抓取推文、关注与粉丝,生成中文深度档案(主题分类、内容风格、社交网络)。适用场景:①用户说“深挖@xxx”“分析这个博主”“analyze@xxx”;②用户说“看看他发了什么”“这人什么水平”“值不值得……”
X Profile Deep Dive
功能概述
X Profile Deep Dive是一项面向实际任务的技能,主要用于对 X/Twitter 博主进行深度画像分析:数据采集 → LLM 动态分类 → 摘要卡片 + 分类全集输出;Cookies 缺失 → 提示用户通过 CDP 从 openclaw browser 提取;
核心要点
- Phase 1 数据采集;
- 1-2 分钟;
- tweety-ns API 调用;
使用与执行
Phase 1.5 Articles;2-5 分钟。它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;
结果检查与注意事项
若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。该技能适合用于一次性任务,也可以接入自动化工作流,与其他技能或上层代理配合完成更完整的业务链路;在组合使用时,应明确每一步的输入输出关系,并避免不同步骤之间出现参数冲突。
X Profile Deep Dive
对 X/Twitter 博主进行深度画像分析:数据采集 → LLM 动态分类 → 摘要卡片 + 分类全集输出。
前置条件
# 一次性检查三个条件 pip3 show tweety-ns >/dev/null 2>&1 && echo "✅ tweety-ns" || echo "❌ pip3 install tweety-ns" [ -f/config/twitter_cookies.json ] && echo "✅ cookies" || echo "❌ cookies 缺失" [ -d /config/tw_session/ ] && echo "✅ session" || echo "❌ session 目录缺失"
Cookies 缺失 → 提示用户通过 CDP 从 openclaw browser 提取。
预计耗时
| 阶段 | 耗时 | 说明 |
|---|---|---|
| Phase 1 数据采集 | 1-2 分钟 | tweety-ns API 调用 |
| Phase 1.5 Articles | 2-5 分钟 | 浏览器滚动,视博主文章数量而定 |
| Phase 2-3 分析+分类 | 1-3 分钟 | 视推文数量而定 |
| Phase 4-5 输出 | 1 分钟 | 文件写入+汇报 |
| 总计 | 5-11 分钟 |
确认点:开始前告知用户预计耗时,确认后再开始。
完整流程
Phase 1: 数据采集
运行脚本采集原始数据:
python3 scripts/x_profile_analyzer.py
--handle {handle}
--tweet-pages 8
--cookies /config/twitter_cookies.json
--output /tmp/x-profile-raw-{handle}.json
参数说明:
--tweet-pages 8:默认 8 页(约 160 条推文),可根据需要调整--following-pages 1:关注列表采样 70 人(通常够用)--follower-pages 1:粉丝采样 70 人(可能因 elevated auth 失败,非关键)
脚本退出码:1=cookies missing, 2=login failed, 3=user not found
Phase 1.5: Articles 专项采集 + 外链探索
tweety-ns 的 tweet pages 可能采不全 X Articles(长文),且博主可能在外部平台有独占内容。此步骤必须执行。
1.5.1 X Articles 完整采集
用浏览器打开 x.com/{handle}/articles,完整滚动收集所有 Article:
browser navigate→x.com/{handle}/articles- 逐段滚动(每次
scrollBy(0, 1500)),每段做 snapshot 记录当前可见的 article 标题+日期+URL - 累计去重:X 使用虚拟滚动(virtual scrolling),会回收不在视口的 DOM 节点。绝不能用最后一次 snapshot 的 article 数量当总数。必须在脑中/笔记中累计所有已看到的唯一 article
- 持续滚动直到不再出现新 article(连续 2 次滚动无新增 = 到底)
- 记录总数,与 Phase 1 采到的 Articles 数量对比,补全遗漏
⚠️ 虚拟滚动陷阱(2026-03-16 教训):
- X 的 timeline 页面使用虚拟滚动,视口外的 article 元素会被回收
document.querySelectorAll('article').length只返回当前 DOM 中的数量,不是总数- 必须逐段滚动 + 手动累计去重,这是唯一可靠的计数方式
1.5.2 外链探索
检查博主 bio 中的外部链接(博客/Substack/Medium/Newsletter/GitHub):
- 从 Phase 1 的 profile 数据或 README 中提取 bio 链接
- 如果有博客/Newsletter → 用 browser 打开,找到长文列表页
- 对比博客长文列表 vs X Articles 列表,识别博客独占内容(博客有但 X 没有的)
- 对博客独占文章快速评估:深度原创 or 短新闻/聚合帖?主题相关度?
- 在 README.md 中增加「📎 外部平台」章节,记录博客 URL + 独占内容数量 + 推荐收藏清单
Phase 2: 数据分析
读取输出的 JSON,用 Python 提取关键统计信息(参考 data-analysis.md):
- 推文总数、时间跨度、发帖频率
- 互动中位数(likes/retweets/views)
- 语言分布、原创 vs 转推比例
- 高互动推文 Top 10
确认点(大 V 场景):推文 >500 条时,告知用户分析范围(如"分析最近 160 条,覆盖约 X 天"),确认是否需要扩大采样。
Phase 3: LLM 动态分类
核心步骤——不使用预设分类,而是根据推文内容动态生成分类。
- 扫描所有推文全文,识别 3-6 个主题分类
- 每个分类需要:名称(中文)、一句话描述、包含哪些推文
- 分类原则:
- 按内容主题而非形式分(不要"长文"/"短文"这种分法,除非某人确实有独特的长文系列)
- X Articles(长文)优先处理:如果博主有 X Articles,先从 Phase 1.5 的完整 Articles 列表中提取,确保每篇 Article 全文都被收录到对应主题分类中。Articles 是博主最有深度的内容,不能遗漏
- 如果某人有明显的长篇深度文章(>2000字),单独分一类「深度长文」
- 每个分类至少 3 条推文,否则合并到相近分类
- 一条推文只归入一个最匹配的分类
- 对每条推文的分类排序:按 likes 降序
Phase 4: 生成输出文件
输出结构为一个目录,包含摘要卡片 + 分类全集:
collections/x-profiles/@{handle}/
├── README.md ← 摘要卡片 + 目录导航表
├── {category-1}.md ← 第一个主题分类(推文全文)
├── {category-2}.md ← 第二个主题分类
├── ...
└── network.md ← 社交网络分析
README.md 格式
参考 readme-template.md。包含:
- 📂 内容全集导航表(分类名 + 数量 + 一句话说明)
- 一句话概括
- 基本信息表
- 内容风格
- 高互动推文 Top 10(一行摘要 + 链接)
- 核心话题 Top 5
- 互动圈
- 关注列表分析(兴趣图谱)
- 与我们的关联度(⭐评分)
- 趋势判断
分类文件格式
每个分类文件:
# {分类名}
> {分类描述}
共 N 条推文
---
## [X,XXX❤️ X,XXX🔁 X,XXX,XXX👁] YYYY-MM-DD
[原文链接](url)
{推文全文,原样保留,不做任何压缩或摘要}
**附带链接**: {如果有}
---
关键原则:推文全文原样保留,不做压缩。
network.md 格式
参考 network-template.md。包含:
- 关注列表分类表格(Handle / 名称 / 粉丝 / 简介)
- 网络特征分析
Phase 5: 验证 + 汇报
自检:
- 所有分类文件中的推文总数 = Phase 1 采集总数(不遗漏)
- X Articles 全量收录(Phase 1.5 计数 = 分类文件中 Articles 数)
- 每个分类 ≥3 条推文
完成后向用户汇报:
- 输出目录位置和文件结构
- 几个关键发现/亮点
- 数据完整性校验:
- X Articles 总数(Phase 1.5 实际计数) vs 分类文件中收录的 Articles 数量 → 必须一致
- 如果有博客等外部平台,报告独占内容数量和推荐收藏清单
- 采样覆盖范围说明(如"最近 N 条推文,约 X 天;Articles 全量 M 篇")
注意事项
- 调用频率:tweety-ns 保守使用,单次分析 < 5 个 API 调用
- Cookie 过期:如果登录失败(exit code 2),提示用户刷新 cookies
- t.co 链接:国内网络无法解析 t.co 短链接,推文全文已在数据中,不需要追踪外链
- Python 版本:系统 Python 3.14 可能有 SSL 兼容问题,确保 tweety-ns 对应的 httpx 版本兼容
- followers API:部分用户的 followers 数据会返回 "elevated authorization" 错误,这是非关键数据,跳过即可
下一步建议(条件触发)
画像完成后,根据结果判断是否推荐下一步。
| 触发条件 | 推荐 |
|---|---|
| 博主有高质量内容值得长期追踪 | 「这个博主值得加入 X 信息源列表。要加到 x-info-sources 吗?」 |
| 博主的某些推文/文章值得收藏 | 「有几条内容值得单独收藏,用 content-collector 存一下?」 |
| 画像发现博主的方法论可用于公众号选题 | 「这个博主的观点可以做一期公众号文章,用 wemp-ops 写?」 |
热门AI工具
相关专题
本专题整理Navicat创建数据库相关教程,介绍新建前的准备、基础设置和创建后的检查方法。内容兼顾入门学习及实际使用需求,帮助用户了解不同数据库类型下的操作差异,为后续建表、保存数据和日常管理提供参考。
0
2026.11.20
本专题整理Navicat入门教程,从认识软件界面到开展数据库操作,介绍初次使用需要了解的知识和方法。内容兼顾连接配置、数据管理及日常使用中的疑问,方便用户按学习进度查阅,为后续实践和独立操作打好基础。
0
2026.11.20
从确认数据库信息到建立可用连接,本专题串联Navicat连接数据库的相关知识和操作方法。既有初次配置时需要了解的基础内容,也有连接后的检查思路,方便用户按实际需求查阅教程,逐步熟悉数据库连接的设置流程。
0
2026.11.20
本专题汇总PHP8.6数组与数据处理教程,涵盖CSV读取和导出、引用遍历删除、array_filter回调模式、配置键名冲突、pathinfo文件名校验、GMP大整数进制转换及UTF-8正则筛选,说明升级兼容变化、输入范围和失败处理方法。
0
2026.11.20
本专题汇总PHP8.6升级迁移与弃用接口改造教程,涵盖反射调用、对象属性赋值、标识符更名、构造函数与__debugInfo调整,以及插件类名检查、常量导出、ArrayIterator排序、SPL和DTO查询参数转换,帮助梳理弃用提示并完成代码兼容改造。
0
2026.11.20
本专题汇总PHP8.6正式版安装部署与FPM运维教程,涵盖Linux并存安装、独立ini配置、扩展重新编译、Nginx切换与回滚、FPM状态监控和慢日志排查,以及环境变量、请求超时、OPcache刷新和预加载配置。
0
2026.11.20
Nginx HTTP/2漏洞该怎么修复?本专题围绕CVE-2026-123007,介绍安全版本升级、模块兼容检查和配置恢复方法,以及日志排查、权限设置等后续加固操作,方便你按实际部署情况查找对应教程。
0
2026.11.20
本专题聚焦GoFrame框架的Web开发,拆解路由注册与匹配规则、请求参数获取、参数校验与中间件执行顺序,说明统一响应、JWT鉴权、文件上传与接口文档生成的落地方式,并补充优雅重启与测试实践。
0
2026.11.17
本专题围绕GoFrame框架的安装与工具链配置展开,讲清Go版本要求、gf命令行的安装方式、代理镜像与依赖准备,说明项目初始化、热编译、交叉编译打包的做法,并整理安装阶段的常见报错与验证步骤。
0
2026.11.17
热门下载
相关下载
精品课程
共6课时 | 12.1万人学习
共79课时 | 162万人学习
共6课时 | 54.8万人学习
最新文章